當前位置:萬佳範文網 >

書信 >檢討書 >

考試作弊450字檢討書範文

考試作弊450字檢討書範文

考試成績是目前衡量教學質量的最常用最重要的指標,它通過對學生知識、技能、態度的測試,評價學生是否達到教育目標的一種手段。那麼你知道考試作弊450字檢討書範文怎麼寫的嗎?下面是本站小編為你整理的考試作弊450字檢討書範文,希望對你有用!

考試作弊450字檢討書範文

考試作弊450字檢討書範文篇1

在數學考試中,本人由於想通過考試,平時又不努力學習,因此在考試中想利用作弊來通過,對這件事我在此檢討,誠懇反省。

在考試時想着作弊不會被老師發現,但事實證明我錯了,站在講台上的老師對同學的一舉一動看得清清楚楚。

事後,班主任也找了我談話,讓我更深層次的認識到了錯誤,自己也反省了好幾天,我真的錯了,要想通過考試,只有靠平時的努力,不應該像我這樣在考試中作弊。

像我這樣不僅讓自己走錯路,還讓同學幫我,也使他做錯事,想想作弊真的是害人害己啊!

老師經常教育我們做人要誠信,不應該在考試中作弊,而我沒有聽從老師的教誨,考試作弊不僅讓自己難堪,更讓班級丟臉,讓班主任丟臉。

考試作弊説明我是一個不講誠信的人,同學會從此看扁我,老師會看輕我,走上社會,人人都會看不起我,這樣對自己影響實在太大了,但自己畢竟已經犯了這樣的錯誤了,後悔也沒什麼用了。只有好好讀書,不再犯錯,希望早日找回誠信,早日得到同學們的信任,早日懇求學校的原諒,因為我真的知道錯了。

認識錯誤未必需要長篇大論,在此誠懇接受學校處罰,因為錯了,會改正,希望老師和同學和學校監督我,讓我更正確地走我的人生。

檢討書人:xxx

日期:xx年xx月xx日

考試作弊450字檢討書範文篇2

敬愛的x老師:

鑑於期會考試國貿科作弊的情況,本人特寫以下檢討:

我在考國貿的時候,後面的一位仁兄叫我把我的試卷給他抄,我給了他。因為我認為樂於助人是中華民族一直以來的傳統美德,繼承和發揚中華民族的傳統美德是每一箇中國人義不容辭的責任。有道是救人一命。勝造七級浮屠。我懷着的是一顆赤誠的心,大地為證,皇天可鑑,然而萬想不到,這競釀成彌天大禍。不僅不能幫助別人,還連累了自己。就似大麻鴉片,害己害人、害人害國。所以,我下定決心,痛改前非,決不在考試作弊了。

助人為樂是可取的,但在考試中的助人為樂就不可取,這在方式上已經誤入歧途了。以後的日子,我一定會勤加學習馬克思列寧主義、毛澤東思想、dxp理論,積極改造自己的人生觀、世界觀和價值觀,以求自己對宇宙人生有正確的認識。認識什麼可取、什麼不可取;可取的,應用什麼方式對待、不可取的,又應用什麼方式對待。

鑑於期會考試數學課兩張試卷相同的情況本人特作以下詮釋:

剛開始考試的時候,我就發現自己有兩張相同的試卷。我問隔離的女生,她説一張是答題卷,所以我就不上報。交卷的時候,我把選擇題和填空題的答案寫在答題卡上,而解答題的答案就直接寫在試卷上,還寫上自己的姓名、班級、學號一齊上交。可監考老師瞪眉怒目惡生惡氣的問我怎麼有兩張相同的試卷,我答是剛考試就有的。她惡狠狠的把我的試卷抽出來丟在一邊。我想:和她解釋可能會越講越激,反正我沒作弊。問心無愧。

待人有禮也是中華民族一直來的傳統美德。雖然我談不上待人謙遜有禮,但也不至於對人態度惡劣。或許,我在説話和態度上有些偏頗,但她那副兇相,好似認定我作弊了,我只認為和她講不清楚,所以自顧走出考場。

我沒有作弊,我問心無愧。

檢討書人:xxx

日期:xx年xx月xx日

考試作弊450字檢討書範文篇3

關於20xx年1月8日晚市場營銷考試時的情況,我作如下檢討:

由於平時上課沒有認真聽講,課後沒有認真複習,導致對考試沒有信心,加之虛榮心作祟想考出好成績,所以準備兩張紙條。結果考試的時候記起有個概念在條子上,剛拿出來就被巡考的老師看見了。

事後反思覺得自己完全錯了。首先不認真學習就是不對,然後想考試作弊,用虛假成績欺騙所有的人更是不對。從小就接受有關誠實為人的教育,道理也不是不知道,長大卻產生了偏差。仔細想想,發現癥結在於沒有克服自己的惰性,所以荒廢了學業,浪費了時間,總存僥倖心理,認為可以蒙渾過關。

假的東西畢竟是假的東西,所以感謝巡考老師幫我發現自己身上這麼大的缺陷。做人不誠實,什麼都想投機取巧,沒有經過自己的勞動、學習,就妄想有好的收穫。最終只落得竹籃打水的下場。

無顏面對父母,更讓老師失望,還影響了同學。可是思來想去,最對不起的還是自己。是對自己的不負責才會犯這樣的錯誤,是對自己的不嚴格要求才會造成這種品性。其實是自己貪心,一味追求所得,卻很少真正付出,更忽視了內在修養的提高。相信此記警鐘會將我拉回正軌。

檢討書人:xxx

日期:xx年xx月xx日

  • 文章版權屬於文章作者所有,轉載請註明 https://wjfww.com/shuxin/jiantao/oxpy9.html
專題